タクシー配車プログラムおよびタクシー配車システム
【課題】模範乗務員と対象乗務員との運転技術の比較を容易に行うこと。
【解決手段】本発明は、乗務員とリンクとに車体挙動情報と道路状況情報とを対応させた過去運転情報を用い配車するタクシーを決定するためにコンピュータを、各リンクに対応する予測情報を生成する予測情報生成手段１６と、予測情報と対象乗務員の過去運転情報である対象情報とを比較し予測情報に類似する情報を比較情報として生成する比較情報生成手段１８と、比較情報と模範乗務員の過去運転情報とを比較し各リンクに対応する運転評価情報を算出する運転評価情報算出手段２０と、運転評価情報に基づき配車の可否を判定する配車可否判定手段２２と、として機能させるためのタクシー配車プログラムである。
【解決手段】本発明は、乗務員とリンクとに車体挙動情報と道路状況情報とを対応させた過去運転情報を用い配車するタクシーを決定するためにコンピュータを、各リンクに対応する予測情報を生成する予測情報生成手段１６と、予測情報と対象乗務員の過去運転情報である対象情報とを比較し予測情報に類似する情報を比較情報として生成する比較情報生成手段１８と、比較情報と模範乗務員の過去運転情報とを比較し各リンクに対応する運転評価情報を算出する運転評価情報算出手段２０と、運転評価情報に基づき配車の可否を判定する配車可否判定手段２２と、として機能させるためのタクシー配車プログラムである。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明はタクシー配車プログラムおよびタクシー配車システムに関し、特に過去の運転情報に基づき配車の可否を判定するタクシー配車プログラムおよびタクシー配車システムに関する。
【背景技術】
【０００２】
タクシー会社では、営業車両の実車率向上が求められている。特許文献１および２には、実車率を向上させるための車両運行支援システムが開示されている。
【０００３】
また、顧客サービス向上の観点から、顧客の希望に適った乗務員を配車するため、乗務員を評価し、顧客の希望に適った乗務員を配車することが行われる。特許文献３には、スキルを乗務員が自主的に登録する方法が開示されている。また特許文献４には、タクシーの利用客が登録した評価を参照する方法が開示されている。
【０００４】
特許文献５には、経路の過去の交通情報および経路を運転者が走行した走行状況等の運転技術に関する情報から最適経路を案内する方法が開示されている。
【特許文献１】特開２００１−２６６２９３号公報
【特許文献２】特許３７２８６９４号公報
【特許文献３】特開２００５−２６９１４３号公報
【特許文献４】特開２００６−２３５８２８号公報
【特許文献５】特開平６−７６００３号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
特許文献３および４の方法は、客観的な乗務員の評価とはなっていない。特許文献５の方法は、運転手ごとの運転技術の違いを評価していないため、運転が得意または不得意なルートの評価ができないという課題がある。そこで、乗務員の中で模範とされる模範乗務員と評価の対象となる対象乗務員との運転技術の比較を行う方法が考えられる。しかしながら、利用者がタクシーに乗車する位置である輸送元からタクシーを降車する位置である輸送先までのルートは多くのリンクに分割される。また、道路状況等の状況は多くのパターンがある。よって、ルートを構成するすべてのリンクについて、同一状況で対象乗務員と模範乗務員との運転技術を比較することは容易ではない。
【０００６】
本発明は、上記課題に鑑みなされたものであり、評価基準となる模範乗務員と評価対象となる対象乗務員との運転技術の比較を容易に行え、対象乗務員の配車の可否判定することが可能なタクシー配車プログラムおよびタクシー配車システムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
本タクシー配車プログラムは、模範的な運転を行う乗務員である模範乗務員と配車予定の乗務員である対象乗務員とを含む乗務員と、輸送元と輸送先との間のルートを分割したリンクと、に対応し、各乗務員がタクシーの車体を運転した際の前記車体の挙動に関する車体挙動情報とリンク内の道路の状況に関する道路状況情報とを対応させた情報である過去運転情報を用い配車するタクシーを決定するためにコンピュータを、入力された輸送元と入力された輸送先との間のルートを分割した各リンクに対応する現在の道路状況情報と前記過去運転情報とから前記対象乗務員が前記各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し前記各リンクに対応する予測情報を生成する予測情報生成手段と、前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する過去運転情報である対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報として生成する比較情報生成手段と、前記各リンクにおいて、前記比較情報の車体挙動情報と前記過去運転情報のうち前記各リンクに関連付けられた前記模範乗務員の過去運転情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から前記各リンクに対応する前記対象乗務員の運転技術の評価に関する情報である運転評価情報を算出する運転評価情報算出手段と、前記運転評価情報に基づき前記入力された輸送元と前記入力された輸送先との間のルートでの配車の可否を判定する配車可否判定手段と、として機能させる。また、これらの手段を有するタクシー配車システムである。
【発明の効果】
【０００８】
本タクシー配車プログラムおよびタクシー配車システムによれば、予測情報と類似する比較情報と模範情報とを比較することにより、対象乗務員の運転情報がなくとも対象乗務員と模範乗務員との運転技術の比較を容易に行うことができる。これにより、ルートを構成する各リンクについて、さまざまな道路状況において対象乗務員と模範乗務員との運転技術の比較が可能となる。よって、ルートおよび道路状況に合った乗務員を配車することがきる。
【発明を実施するための最良の形態】
【０００９】
以下、図面を参照に、本発明の実施例について説明する。
【実施例１】
【００１０】
図１は、実施例１に係るタクシー配車プログラムが機能するコンピュータのハードウェア構成を示す図である。コンピュータ１００は、ＣＰＵ（中央演算処理装置）１０、主記憶装置として機能するＲＡＭ（Random Access Memory）７０、ハードディスク等の記憶部３０、液晶ディスプレイ等のディスプレイ２００が接続されるグラフィックインターフェース部４０、キーボード３００やマウス４００等が接続される入力インターフェース部５０、各タクシー車両やプローブ情報システムを搭載したプローブカーとの情報の入出力をネットワーク５００を介して行う入出力部６０を有している。ＣＰＵ１０、ＲＡＭ７０、記憶部３０、グラフィックインターフェース部４０、入力インターフェース部５０および入出力部６０は互いにＢＵＳ８０で接続されている。
【００１１】
図２は、実施例１に係る機能ブロック図である。配車プログラムはコンピュータ１００を輸送先選出手段１２、乗務員情報抽出手段１４、予測情報生成手段１６、比較情報生成手段１８、運転評価情報算出手段２０および配車可否判定手段２２として機能させることができる。記憶部３０は過去輸送情報データベース３２、過去運転情報データベース３４を有している。
【００１２】
輸送先選出手段１２には、不図示の入力インターフェース部５０を介してキーボードやマウス等により、または不図示の入出力部６０を介してタクシー車両等から輸送元（以下、入力輸送元ともいう）および現在の時刻である乗車時刻が入力される。なお、乗車時刻とは利用者がタクシーに乗車する時刻であるが、ほぼ現在時刻に対応しており、以下入力乗車時刻ともいう。輸送元とは、利用者がタクシーに乗車する位置である。入力輸送元は、利用者がタクシーの配車依頼をした位置に対応する。輸送先とは、利用者がタクシーを降車する位置である。
【００１３】
輸送先選出手段１２は、過去輸送情報データベース３２から過去輸送情報を取得する。また、記憶部３０から輸送先期待値の閾値を取得する。過去輸送情報とは、過去にタクシーが利用された際の過去の輸送元、過去の輸送先、過去の乗車時刻とを要素としてそれぞれ対応させた情報であり、過去輸送情報データベース３２に記憶されている。
【００１４】
輸送先選出手段１２は、過去輸送情報から輸送先として選ばれる期待値が閾値以上の１または複数の輸送先を選出し乗務員情報抽出手段１４に出力する。この輸送先を以下、入力輸送先ともいう。
【００１５】
乗務員情報抽出手段１４は、入力インターフェース部５０または入出力部６０を介して対象乗務員のＩＤを取得する。対象乗務員とは、乗務員のうち配車予定の乗務員（現在、利用者を搭乗させておらず、入力輸送元に配車可能な乗務員）である。また、模範乗務員とは、模範的な運転を行う乗務員であり、例えばタクシー会社内で運転技術が模範的とされた乗務員である。例えば、タクシー会社内で乗務員の資格として模範乗務員とそれ以外の評価乗務員とを定めている。乗務員情報抽出手段１４は、過去運転情報データベース３４から過去運転情報を取得する。
【００１６】
過去運転情報とは、各乗務員および各リンクに、過去の車体挙動情報および道路状況情報を対応させた情報であり、過去運転情報データベース３４に記憶されている。
【００１７】
ここで、リンクとは、道路上の区分であり、ルートは１または複数のリンクに分割される。ルートとは、輸送元から輸送先への道路の経路を示すものである。輸送先と輸送元が同じであっても複数のルートが存在する。例えば図３において、Ａが輸送元、Ｅが輸送先の場合、Ａ−Ｂ、Ｂ−Ｃ、Ｂ−Ｄ、Ｃ−ＥおよびＤ−Ｅがそれぞれリンクである。ＡからＥのルートはＡ−Ｂ−Ｃ−ＥとＡ−Ｂ−Ｄ−Ｅとの２つのルートがある。ルートＡ−Ｂ−Ｃ−Ｅは、Ａ−Ｂ、Ｂ−ＣおよびＣ−Ｅの３つのリンクに分割される。よって、図３においては対象となるルートは２つあり、対象となるリンクは５つある。
【００１８】
車体挙動情報とは、対応する乗務員が対応するリンクを運転した際の車体の挙動に対応する情報であり、例えば、リンク内の車体の巡航速度、ハンドル舵角、シフト、エンジン回転数およびブレーキの強さ等である。車体挙動情報により、乗務員の運転技術を評価することができるとともに、道路形状だけではわからない道路の類似状況を見つけることもできる。
【００１９】
道路状況情報とは、リンク内の道路の状況に関する情報であり、道路形状に関する道路形状情報、交通量に関する交通量情報、天候に関する気候情報の少なくとも１つを含む情報である。道路形状とは、例えば幅員、縦断勾配、リンク長、形状（直線、右カーブ、左カーブ等）、最小半径および車線数である。交通量とは、例えば渋滞度、速度規制、通過時間および交通密度である。天候情報とは、例えば天気、降水量、気温および路面状況（凍結、乾燥等）である。
【００２０】
乗務員情報抽出手段１４は、入力された輸送元から入力された輸送先までの間のルート（図３の例では２つのルート）の各リンク（図３の例では５つのリンク）に関連付けられた模範乗務員および対象乗務員の過去運転情報であるそれぞれ模範情報および対象情報を抽出し出力する。
【００２１】
予測情報生成手段１６は、入出力部６０を介し現在各リンクを走行している車両やプローブカーから現在運転情報を取得する。現在運転情報とは、現在走行している乗務員および各リンクに対応する道路状況情報であり、例えば、巡航速度や渋滞度である。また、予測情報生成手段１６は、過去運転情報データベース３４から各リンクに対応する過去運転情報を取得する。
【００２２】
予測情報生成手段１６は、各リンクについて、現在運転情報と過去運転情報とから対象乗務員が各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し、各リンクに対応する予測情報として出力する。
【００２３】
このように、予測情報とは、対象乗務員が対象となるリンクに到着する時刻の交通量情報や気候情報等の道路状況情報を予測した情報である。また、対象乗務員が対象となるリンクに到着する時刻の予測される交通量情報および気候情報から、過去運転情報を用い予測した車体挙動情報を含んでもよい。
【００２４】
比較情報生成手段１８は、過去運転情報データベース３４から過去運転情報を取得する。比較情報生成手段１８は、各リンクについて、各リンクの予測情報と過去運転情報とを比較し、比較結果に基づき予想情報に類似する対象情報を各リンクの比較情報として出力する。
【００２５】
運転評価情報算出手段２０は、各リンクにおいて、比較情報の車体挙動情報と模範情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から各リンクに対応した対象乗務員の運転評価情報を算出する。ここで、運転評価情報とは、対象乗務員の運転技術の評価に関する情報である。
【００２６】
配車可否判定手段２２は、記憶部３０から運転評価情報の閾値を取得する。閾値は各リンク毎であってもよいし、ルートごとであってもよい。また、閾値は全て同じ値であってもよいし、異なっていてもよい。配車可否判定手段２２は、運転評価情報に基づき入力された輸送元と入力された輸送先との間のルートでの配車の可否を判定する。全対象乗務員および全ルートから配車する乗務員およびルートを出力する。例えば、ある対象乗務員に関しあるルート内のリンク全てにおいて、運転評価情報が閾値以上の場合、その乗務員はそのルートで配車可能と判定する。複数の対象乗務員または複数のルートにおいて配車可能な場合は、最も運転評価情報がよい対象乗務員またはルートを選択し配車する。全ての対象乗務員および複数のルートにおいて配車不可の場合は配車不可能となる。
【００２７】
図４は、実施例１の処理を説明するためのフローチャートである。
【００２８】
輸送先選出手段１２は、過去輸送情報データベース３２から過去輸送情報を取得し、記憶部３０から輸送先期待値の閾値を取得する。
【００２９】
そして、輸送先選出手段１２は、過去輸送情報から輸送先として選ばれる期待値が閾値以上の１または複数の輸送先を入力輸送先として選出し、乗務員情報抽出手段１４に出力する（ステップＳ１２）。
【００３０】
乗務員情報抽出手段１４は、入力インターフェース部５０または入出力部６０を介して対象乗務員のＩＤを取得し、過去運転情報データベース３４から過去運転情報を取得する。
【００３１】
そして、乗務員情報抽出手段１４は、入力された輸送元から入力された輸送先までの間のルートの各リンクに対応する乗務員情報（模範乗務員の模範情報および対象乗務員の過去運転情報）を抽出し出力する（ステップＳ１４）。
【００３２】
予測情報生成手段１６は、入出力部６０を介し現在各リンクを走行している車両やプローブカーから現在運転情報を取得し、各リンクについて、現在運転情報および過去運転情報から対象乗務員が各リンクに到達した時の運転情報（車体挙動情報および道路状況情報の少なくとも一方）を予測する（ステップＳ１６）。
【００３３】
比較情報生成手段１８は、各リンクにおいて、予測情報に一致する過去運転情報があるかを判断し（ステップＳ１７）、一致する場合（ステップ１７のＹＥＳ）は、一致した予測情報を比較情報とし（ステップＳ１９）、一致しない場合（ステップ１７のＮＯ）は、過去運転情報データベース３４から過去運転情報を取得し、各リンクについて、各リンクの予測情報と過去運転情報とを比較し、比較結果に基づき予想情報に類似する対象情報を各リンクの比較情報とする（ステップＳ１８）。
【００３４】
運転評価情報算出手段２０は、各リンクにおいて、比較情報の車体挙動情報と模範情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から各リンクに対応した対象乗務員の運転評価情報を算出する（ステップＳ２０）。
【００３５】
つづいて、最後のリンクか否かを判断し（ステップＳ２１）、最後のリンクでなければ（ステップＳ２１のＮＯ）、ステップＳ１７に戻り、最後のリンクであれば（ステップＳ２１のＹＥＳ）ステップＳ２２に進む。
【００３６】
配車可否判定手段２２は、運転評価情報に基づき入力された輸送元と入力された輸送先との間のルートでの配車の可否を判定する。全対象乗務員および全ルートから配車する乗務員およびルートを出力する（ステップＳ２２）。
【００３７】
実施例１によれば、乗務員情報抽出手段１４がルートを構成する各リンクに一致する模範情報を抽出する。予測情報生成手段１６が各リンクの運転情報を予測し、比較情報生成手段１８が、リンク毎に予測情報と類似する対象情報を比較情報とする。運転評価情報算出手段２０が比較情報と模範情報とを比較し運転評価情報を算出する。このように、予測情報と類似する比較情報と模範情報とを比較することにより、対象乗務員の運転情報がなくとも対象乗務員と模範乗務員との運転技術の比較を容易に行うことができる。これにより、ルートを構成する各リンクについて、多くの道路状況の情報を用い多くの道路情報パターンが存在する場合も、さまざまな道路状況において対象乗務員と模範乗務員との運転技術の比較が可能となる。よって、ルートおよび道路状況に合った乗務員を配車することがきる。
【００３８】
以下に、各手段の処理について詳細に説明する。
【００３９】
図５は、輸送先選出手段１２の処理を説明するフローチャートであり、図４のステップＳ１２に相当するフローチャートである。図６（ａ）および図６（ｂ）はそれぞれ入力輸送元および入力乗車時刻のデータの例である。図６（ａ）において、「輸送元０」は例えば、ある県の市のある住所を示す。図６（ｂ）では乗車時刻について年、月、日、及び時刻がデータとして記憶される。図７は、過去輸送情報データベース３２に記憶される過去輸送情報の例を示すものである。
【００４０】
輸送先選出手段１２は、過去輸送情報（図７）の中から入力された輸送元（図６（ａ））および入力された乗車時間（図６（ｂ））と輸送元および乗車時間とが一致する情報を輸送元と乗車時間とが一致する輸送情報として取得する（ステップＳ３０）。例えば、図７の過去輸送情報中、輸送先が「輸送元０」であり乗車時刻が「１２：５０」の情報を取得し、図８に示すように輸送元と乗車時間が一致する輸送情報を取得する。なお、乗車時間が一致するとは、完全に一致しなくとも所定の範囲内で一致すればよい。例えば１０分単位や１時間単位で一致していればよい。
【００４１】
輸送先選出手段１２は、輸送元と乗車時間とが一致する輸送情報内の全ての輸送先について期待値を算出したかを判定する（ステップＳ３２）。Ｙｅｓの場合終了する。Ｎｏの場合、輸送先毎の期待値を算出する（ステップＳ３４）。例えば、図８において、６個の情報のうち、輸送先１は２回、輸送先２は１回、輸送先３は３回登場する。よって、図９（ａ）に示すように、それぞれの期待値は０．３３、０．１７および０．５０となる。
【００４２】
輸送先選出手段１２は、記憶部３０より輸送先の期待値の閾値を取得する。例えば、図９（ｂ）に示すように、閾値として０．３０が取得される。つづいて、輸送先毎に期待値が閾値以上かを判定する（ステップＳ３６）。Ｙｅｓの場合、閾値以上の輸送先とする（ステップＳ３８）。例えば、図９（ａ）において、輸送先１および３が閾値以上であるので、これらが閾値以上の輸送先とされる。輸送先選出手段１２は、閾値以上の輸送先（図９（ｃ））を出力する。
【００４３】
以上のように、輸送先選出手段１２は、入力された輸送元と入力された乗車時刻とに基づき、過去の輸送先が選択される期待値を算出し、過去の輸送先のうち選択される期待値が所定値以上の輸送先を輸送先として出力する。これにより、利用者が輸送先を告げない場合においても、利用者に選択される可能性の高い輸送先を入力輸送先として出力することができる。
【００４４】
図１０は、乗務員情報抽出手段１４の処理を説明するフローチャートであり、図４のステップＳ１４に相当するフローチャートである。乗務員情報抽出手段１４に、入力輸送元および入力輸送先が入力される。乗務員情報抽出手段１４は、過去運転情報データベース３４の過去運転情報から、輸送元および輸送先が入力輸送元および入力輸送先（輸送先選出手段１２から入力された輸送先）に一致する運転情報を取得する（ステップＳ４０）。一例として、図１１（ａ）および図１１（ｂ）に過去運転情報データベース３４に蓄積された過去運転情報の例を示す。図１１（ａ）は車体挙動情報の例であり、図１１（ｂ）は道路状況情報の例である。このなかから、輸送元および輸送先がそれぞれ、「輸送元０」および「輸送先１」の過去運転情報を抽出する。図１２（ａ）および図１２（ｂ）に抽出された過去運転情報の例を示す。図１２（ａ）は車体挙動情報から抽出した過去運転情報の例であり、図１２（ｂ）は道路状況情報から抽出した過去運転情報の例である。
【００４５】
乗務員情報抽出手段１４は、入力インターフェース部５０または入出力部６０を介して配車の候補である対象乗務員の乗務員ＩＤを取得し、抽出された過去運転情報のうち乗務員ＩＤの一致する情報を対象情報とする（ステップＳ４２）。例えば、図１２（ａ）および図１２（ｂ）のうち、対象乗務員の乗務員ＩＤが「Ａ０１」の乗務員のデータを図１３（ａ）および図１３（ｂ）に示すように対象情報とする。
【００４６】
乗務員情報抽出手段１４は、抽出された過去運転情報のうち乗務員資格が「模範乗務員」の情報を模範情報とする（ステップＳ４４）。例えば、図１２（ａ）および図１２（ｂ）のうち、乗務員資格が「模範乗務員」の乗務員の情報を図１４（ａ）および図１４（ｂ）に示すように模範情報とする。
【００４７】
図１５は、予測情報生成手段１６の処理を説明するフローチャートであり、図４のステップＳ１６に相当するフローチャートである。予測情報生成手段１６に、乗務員情報抽出手段１４から対象情報と模範情報とが入力される。予測情報生成手段１６は、模範情報に出現するリンクの一覧を抽出する（ステップＳ５０）。例えば、図１４（ａ）および図１４（ｂ）に示す模範情報に出現するリンクとして、図１６に示すように、「Ｈ−Ｍ」、「Ｈ−Ｌ」、「Ｅ−Ｋ」…を抽出する。模範情報は、図１０のステップＳ４０およびＳ４４のように、入力輸送元から入力輸送先までのルートのデータであるから、抽出されたリンク一覧は、模範乗務員が入力輸送元から入力輸送先まで運転した際に運転経験のあるリンク全てが抽出される。
【００４８】
予測情報生成手段１６は、過去運転情報データベース３４の中からリンク一覧に出現するリンクについての過去運転情報を抽出する（ステップＳ５２）。例えば、図１７（ａ）および図１７（ｂ）に示した過去運転情報の中から、リンク一覧の全てのリンクの情報を抽出する。図１８（ａ）および図１８（ｂ）はリンク「Ｅ−Ｋ」および「Ｆ−Ｋ」について抽出された過去運転情報の例である。
【００４９】
予測情報生成手段１６は、現在運転している乗務員の運転情報からリンク一覧に出現するリンクを現在走行しているタクシーの現在運転情報を取得する（ステップＳ５４）。例えば、図１９（ａ）および図１９（ｂ）は、現在走行中のタクシーの運転情報であり、この中からリンク一覧に出現するリンクの運転情報を抽出する。図２０（ａ）および図２０（ｂ）はリンク「Ｆ−Ｋ」について抽出された現在運転情報の例である。リンク一覧全てのリンクについて現在運転情報を抽出する。
【００５０】
予測情報生成手段１６は、現在運転情報内の巡航速度、渋滞度およびリンク長等から入力輸送元から各リンクまでの所要時間を予測し、各リンクへの到達予測時間を算出する（ステップＳ５６）。図２１は算出された到着予測時間の例である。到着予測時間は、交通量情報から算出することができる。例えば、算出すべきリンクに到達するまでの各リンクにおいて、リンク長／巡航速度からリンクを通過するのに要する時間（リンク旅行時間）を計算し、算出すべきリンクまでの各リンクのリンク旅行時間を加算することにより到着予測時間を算出することができる。また、渋滞度を加味し到着予測時間を算出することもできる。
【００５１】
各リンクへの到着予想時間の運転情報を、ステップＳ５２で抽出した各リンクの過去運転情報に基づき予測し予測情報とする（ステップＳ５８）。図２２（ａ）および図２２（ｂ）はリンク「Ｆ−Ｋ」における予測情報の例を示している。予測情報を生成する方法としては、算出するリンクの到着予測時間の運転情報を未知事例、このリンクの過去運転情報を既知事例として時系列ＭＢＲ（メモリベース推論）などの周知の予測手段を用いることができる。
【００５２】
全てのリンクについて予測情報が予測されていれば終了する（ステップＳ６０）。予測情報としては、車体挙動情報および道路状況情報の少なくとも一つを含めばよい。
【００５３】
図２３は、比較情報生成手段１８内のうち、図４のステップＳ１８を行う類似リンク抽出手段１９の処理を説明するフローチャートである。類似リンク抽出手段１９は、過去運転情報データベース３４から乗務員ＩＤが対象乗務員の過去運転情報を取得する（ステップＳ６２）。例えば、図２４（ａ）および図２４（ｂ）に示す過去運転情報データベース３４内の過去運転情報から、図２５（ａ）および図２５（ｂ）に示すように、対象乗務員である乗務員ＩＤが「Ａ０１」の過去運転情報（つまり対象情報）を取得する。図１５のステップＳ５２で抽出される対象情報は、リンク一覧のリンクに相当する対象乗務員の過去運転情報であるが、ステップＳ６２で抽出される対象情報は、全てのリンクに相当する対象乗務員の過去運転情報である。
【００５４】
類似リンク抽出手段１９は、対象情報と図１５のステップＳ５８で予測した予測情報との類似度を算出する（ステップＳ６４）。例えば、図２５（ａ）および図２５（ｂ）に示す対象情報と図２２（ａ）および図２２（ｂ）のリンク「Ｆ−Ｋ」についての予測情報との類似度を算出する。図２６は、図２５（ａ）および図２５（ｂ）に示した対象情報の類似度の例である。
【００５５】
類似度の算出は周知の方法で行うことができるが、ユークリッド距離の二乗和の逆数とする例について説明する。以下では、車体挙動情報として、巡航速度、ハンドル舵角およびシフト、道路状況情報として、渋滞度、幅員、リンク、縦断勾配、形状、最小半径、車線数、天気、降水量および気温を用い類似度を算出する。まず、乗車時刻から時間情報だけを抜き出しＵｎｉｘタイム（Ｕｎｉｘは登録商標）に変換する。数値化されていない情報を数値化する。例えば渋滞度については、「渋滞なし」および「混雑」をそれぞれ「０」および「１」に変換する。形状については、「直線」、「右カーブ」をそれぞれ「０」および「１」に変換する。天気について、「晴れ」、「曇り」をそれぞれ「０」および「１」に変換する。同様に、予測情報も数値化する。変換後の対象情報の例を図２７（ａ）および図２７（ｂ）に、変換後の予測情報の例を図２８（ａ）および図２８（ｂ）に示す。
【００５６】
次に、類似度を算出する際に用いる対象情報と予測情報との全体について正規化する。正規化は各情報の類似度への寄与を合わせるための処理である。例えば、ある情報の値をＸ、ある情報の値の平均値をＭＸ、ある情報の２乗の平均をＭＸ２、正規化後のＸの値をＹとしたとき
Ｙ＝（Ｘ−ＭＸ）／｛（ＭＸ２−ＭＸ２）０．５｝
とすることができる。図２９に正規化後の対象情報、図３０に正規化後の予測情報の例を示す。
【００５７】
類似度として、ユークリッド距離の２乗和の逆数を算出する。例えば、図２９の項番１の類似度は、１／｛（０．１１−（−１．６３））２＋（−１．０７−１．００）２＋（−０．３５−（−０．３５））２＋（−１．０２−０．１３）２＋（１．１２−（−０．８９））２＋（０．８９−（−１．１２））２＋（−０．８９−１．１２）２＋（−０．８９−１．１２）２＋（０．８９−（−１．１２））２＋（０．８９−（−１．１２））２＋（０−２．１２）２｝０．５＝０．１６となる。図２９の各項番について類似度を算出した例が図２６である。
【００５８】
類似リンク抽出手段１９は、最後の対象情報かを判定する（ステップＳ６６）。このようにして、全ての対象情報に対し、類似度を算出する。
【００５９】
類似リンク抽出手段１９は、類似度の最も高い対象情報を比較情報として出力する（ステップＳ６８）。例えば、図２６において、項番４の対象情報の類似度が最も大きい。よって、図３１（ａ）および図３１（ｂ）に示すように、項番４の対象情報を比較情報として出力する。
【００６０】
以上により、対象となるリンクについて、予測情報に最も近い対象情報が比較情報として出力される。
【００６１】
比較情報生成手段１８は、ステップＳ６４のように予測情報と対象情報との中の各対応するデータ（例えば「巡航速度」…「気温」等）を各々比較し、各データの各々の比較結果（つまり「巡航速度」同士の比較結果、「ハンドル舵角」同士の比較結果…「気温」同士の比較結果）に基づき予測情報に類似する対象情報を選択し各リンクに対応する比較情報とすることが好ましい。これにより、多くの項目について考慮された類似度が得られる。
【００６２】
ステップＳ６２で取得される対象情報は、対象となるリンクのみの対象乗務員の過去運転情報でもよいが、図２５のように、全リンクについての対象乗務員の過去運転情報とすることが好ましい。これにより、対象でないリンクの過去運転情報からも予測情報に類似する比較情報を抽出することができ、より類似度の高い比較情報を得ることができる。また、予測情報の中に車体挙動情報が含まれることが好ましい。これにより、道路形状だけでなく、車体挙動情報により、より類似度の高い比較情報を得ることができる。
【００６３】
図３２は、運転評価情報算出手段２０の処理を説明するためのフローチャートであり、図４のステップＳ２０に相当するフローチャートである。運転評価情報算出手段２０は、各リンクにおいて、比較情報生成手段１８が出力した比較情報と乗務員情報抽出手段１４が出力した模範情報との車体挙動情報を比較し、それぞれの車体挙動情報の類似性を示す運転技術評価値を算出する（ステップＳ７０）。
【００６４】
比較情報の車体挙動情報と模範情報の車体挙動情報との類似性から運転技術評価値を算出する方法は周知の方法とすることができるが、類似度の算出と同様にユークリッド距離の二乗和の逆数とする例について説明する。例えば、図３３（ａ）の項番１の情報は、リンク「Ｆ−Ｋ」における図３１（ａ）および図３１（ｂ）に示した比較情報の車体挙動情報である。また、項番２の情報は、リンク「Ｆ−Ｋ」における模範情報の車体挙動情報である。図２９と同様に、正規化を行う。正規化を行った例を図３３（ｂ）に示す。正規化後のデータから運転技術評価値を算出する。例えば、図３３（ｂ）の場合、１／｛（−１−１）２＋（０−０）２＋（０−０）２｝０．５＝０．５となる。
【００６５】
運転評価情報算出手段２０は、リンク毎にリンク、運転技術評価値、輸送元および輸送先からなる運転技術評価表を作成する（ステップＳ７２）。例えば、図３４がリンク「Ｆ−Ｋ」の運転技術評価表である。
【００６６】
運転評価情報算出手段２０は、最後のリンクか判定する（ステップＳ７４）。これにより、各リンクについて対象乗務員の運転技術評価表が作成される。例えば図３５に各リンクの運転技術評価表の例を示す。運転技術評価表は運転評価情報に相当する。
【００６７】
運転評価情報算出手段２０は、ステップＳ７０のように比較情報と模範情報との車体挙動情報の中の各対応するデータ（例えば「巡航速度」、「ハンドル舵角等）を各々比較し、各データの各々の比較結果（つまり「巡航速度」同士の比較結果、「ハンドル舵角」同士の比較結果等）に基づき運転技術評価値を算出することが好ましい。これにより、多くの項目について考慮された運転技術評価値が得られる。
【００６８】
図３６は、配車可否判定手段２２の処理を説明するためのフローチャートであり、図４のステップＳ２２に相当するフローチャートである。配車可否判定手段２２は、各リンクに対応する運転技術評価値の閾値を記憶部３０から取得する。例えば、図３７は、記憶部３０に記憶されている各リンクの運転技術評価値の閾値である。この中から、図３５に出現するリンクに対応する運転技術評価値の閾値を抽出する（ステップＳ８０）。図３８に抽出された閾値の例を示す。
【００６９】
配車可否判定手段２２は、各リンクについて運転技術評価値と閾値を比較する（ステップＳ８２）。運転技術評価値が閾値以上の場合、リンク合格とする（ステップＳ８４）。運転技術評価値が閾値未満の場合、リンク不合格とする（ステップＳ８６）。全てのリンクの閾値との比較が終了したか判断する（ステップＳ８８）。各リンクの比較が終了していればステップＳ９０に進む。このとき、例えば、１つでも不合格のリンクのあるルートについては、配車不可とすることができる。
【００７０】
配車可否判定手段２２は、記憶部３０内のルート一覧データに基づきルート毎の運転技術評価値を算出する（ステップＳ９０）。例えば、図３９は、輸送元０から輸送先１までのルート一覧データの例である。図３９には、３つのルートがある。項番１から４はルート１、項番５から９はルート２、項番１０から１４はルート３の各リンクを示している。図４０は、各ルートの運転技術評価値を算出した例である。例えば、ルート内の各リンクの運転技術評価値を単純平均することでルート毎の運転技術評価値を算出することができる。図４０では、ルート１、ルート２およびルート３のそれぞれの運転技術評価値は０．６２５、０．５６および０．５２である。
【００７１】
配車可否判定手段２２は、記憶部３０からルート毎の運転技術評価値の閾値を取得する（ステップＳ９２）。例えば、図４１（ａ）は、記憶部３０内のルート毎の運転技術評価値の閾値のデータである。
【００７２】
配車可否判定手段２２は、各ルートの運転技術評価値と閾値とを比較する（ステップＳ９４）。運転技術評価値が閾値以上の場合、ルート合格とする（ステップＳ９６）。運転技術評価値が閾値未満の場合、ルート不合格とする（ステップＳ９８）。全てのルートの閾値との比較が終了したか判断する（ステップＳ１００）。
【００７３】
配車可否判定手段２２は、配車可否および配車ルートを決定する（ステップＳ１０２）。例えば図４０および図４１（ａ）より、閾値以上のルートはルート１のみである。そこで、図４１（ｂ）のように、ルート１を配車ルートとして出力する。なお、全てのルートが閾値以下の場合、配車不可と判定することができる。
【００７４】
ルートの合格不合格の判断は、ルート内の各リンクに対応する運転技術評価値が所定の範囲かの比較結果とルートに対応する運転技術評価値が所定の範囲かの比較結果とにより判断することもできる。また、ルート内の各リンクに対応する運転技術評価値の比較結果のみを用いることもできる。さらに、ルートに対応する運転技術評価値の比較結果のみを用いることもできる。
【００７５】
以上、本発明の実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
【図面の簡単な説明】
【００７６】
【図１】実施例１に係るタクシー配車プログラムが機能するコンピュータのハードウェア構成を示す図である。
【図２】図２は実施例１に係るシステムの機能ブロック図である。
【図３】図３はルートとリンクを示す図である。
【図４】図４は実施例１に係るシステムの処理を示すフローチャートである。
【図５】図５は輸送先選出手段の処理を示すフローチャートである。
【図６】図６は入力輸送先および入力乗車時間のデータの例を示す図である。
【図７】図７は過去輸送情報データベース中の過去輸送情報の例を示す図である。
【図８】図８は輸送元と乗車時間が一致する過去輸送情報の例を示す図である。
【図９】図９（ａ）から図９（ｃ）はそれぞれ輸送先の期待値、期待値の閾値および閾値以上の輸送先のデータの例を示す図である。
【図１０】図１０は乗務員情報抽出手段の処理を示すフローチャートである。
【図１１ａ】図１１（ａ）は過去運転情報データベース内の過去運転情報（車体挙動情報）の例を示す図である。
【図１１ｂ】図１１（ｂ）は過去運転情報データベース内の過去運転情報（道路状況情報）の例を示す図である。
【図１２】図１２（ａ）および図１２（ｂ）は同一輸送元かつ同一輸送元の抽出された過去運転情報の例を示す図である。
【図１３】図１３（ａ）および図１３（ｂ）は抽出された対象情報の例を示す図である。
【図１４】図１４（ａ）および図１４（ｂ）は抽出された模範情報の例を示す図である。
【図１５】図１５は予測情報生成手段の処理を示すフローチャートである。
【図１６】図１６は抽出されたリンク一覧の例を示す図である。
【図１７ａ】図１７（ａ）は過去運転情報データベース内の過去運転情報（車体挙動情報）の例を示す図である。
【図１７ｂ】図１７（ｂ）は過去運転情報データベース内の過去運転情報（道路状況情報）の例を示す図である。
【図１８】図１８（ａ）および図１８（ｂ）はリンク一覧に相当する過去運転情報の例を示す図である。
【図１９】図１９（ａ）および図１９（ｂ）は現在走行中のタクシーの運転情報の例を示す図である。
【図２０】図２０（ａ）および図２０（ｂ）は、現在運転情報の例を示す図である。
【図２１】図２１は到着予測時間の例を示す図である。
【図２２】図２２（ａ）および図２２（ｂ）は予測情報の例を示す図である。
【図２３】図２３は類似リンク抽出手段の処理を示すフローチャートである。
【図２４ａ】図２４（ａ）は、過去運転情報データベース内の過去運転情報（車体挙動情報）の例を示す図である。
【図２４ｂ】図２４（ｂ）は、過去運転情報データベース内の過去運転情報（道路状況情報）の例を示す図である。
【図２５】図２５（ａ）および図２５（ｂ）は、抽出された対象情報の例を示す図である。
【図２６】図２６は類似度の例を示す図である。
【図２７】図２７（ａ）および図２７（ｂ）は、数値化後の対象情報の例を示す図である。
【図２８】図２８（ａ）および図２８（ｂ）は、数値化後の予測情報の例を示す図である。
【図２９】図２９は、規格化後の対象情報の例を示す図である。
【図３０】図３０は、規格化後の対象情報の例を示す図である。
【図３１】図３１（ａ）および図３１（ｂ）は、比較情報の例を示す図である。
【図３２】図３２は運転技術評価手段の処理を示すフローチャートである。
【図３３】図３３（ａ）は比較情報と模範情報の車体挙動情報の例を示す図であり、図３３（ｂ）は正規化後の例である。
【図３４】図３４は運転技術評価値の例である。
【図３５】図３５は全リンクの運転技術評価値の例である。
【図３６】図３６は配車可否判定手段の処理を示すフローチャートである。
【図３７】図３７は記憶部内の各リンクに対応する閾値の例を示す図である。
【図３８】図３８は抽出された閾値の例を示す図である。
【図３９】図３９はルート一覧の例を示す図である。
【図４０】図４０はルートごとの運転技術評価値を算出した例を示す図である。
【図４１】図４１は各ルートの閾値の例を示す図であり、図４１（ｂ）は配車可能ルートの例を示す図である。
【符号の説明】
【００７７】
１０ ＣＰＵ
１２ 輸送先選出手段
１４ 乗務員情報抽出手段
１６ 予測情報生成手段
１８ 比較情報生成手段
１９ 類似リンク抽出手段
２０ 運転評価情報算出手段
２２ 配車可否判定手段
３０ 記憶部
３２ 過去輸送情報データベース
３４ 過去運転情報データベース
【技術分野】
【０００１】
本発明はタクシー配車プログラムおよびタクシー配車システムに関し、特に過去の運転情報に基づき配車の可否を判定するタクシー配車プログラムおよびタクシー配車システムに関する。
【背景技術】
【０００２】
タクシー会社では、営業車両の実車率向上が求められている。特許文献１および２には、実車率を向上させるための車両運行支援システムが開示されている。
【０００３】
また、顧客サービス向上の観点から、顧客の希望に適った乗務員を配車するため、乗務員を評価し、顧客の希望に適った乗務員を配車することが行われる。特許文献３には、スキルを乗務員が自主的に登録する方法が開示されている。また特許文献４には、タクシーの利用客が登録した評価を参照する方法が開示されている。
【０００４】
特許文献５には、経路の過去の交通情報および経路を運転者が走行した走行状況等の運転技術に関する情報から最適経路を案内する方法が開示されている。
【特許文献１】特開２００１−２６６２９３号公報
【特許文献２】特許３７２８６９４号公報
【特許文献３】特開２００５−２６９１４３号公報
【特許文献４】特開２００６−２３５８２８号公報
【特許文献５】特開平６−７６００３号公報
【発明の開示】
【発明が解決しようとする課題】
【０００５】
特許文献３および４の方法は、客観的な乗務員の評価とはなっていない。特許文献５の方法は、運転手ごとの運転技術の違いを評価していないため、運転が得意または不得意なルートの評価ができないという課題がある。そこで、乗務員の中で模範とされる模範乗務員と評価の対象となる対象乗務員との運転技術の比較を行う方法が考えられる。しかしながら、利用者がタクシーに乗車する位置である輸送元からタクシーを降車する位置である輸送先までのルートは多くのリンクに分割される。また、道路状況等の状況は多くのパターンがある。よって、ルートを構成するすべてのリンクについて、同一状況で対象乗務員と模範乗務員との運転技術を比較することは容易ではない。
【０００６】
本発明は、上記課題に鑑みなされたものであり、評価基準となる模範乗務員と評価対象となる対象乗務員との運転技術の比較を容易に行え、対象乗務員の配車の可否判定することが可能なタクシー配車プログラムおよびタクシー配車システムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
本タクシー配車プログラムは、模範的な運転を行う乗務員である模範乗務員と配車予定の乗務員である対象乗務員とを含む乗務員と、輸送元と輸送先との間のルートを分割したリンクと、に対応し、各乗務員がタクシーの車体を運転した際の前記車体の挙動に関する車体挙動情報とリンク内の道路の状況に関する道路状況情報とを対応させた情報である過去運転情報を用い配車するタクシーを決定するためにコンピュータを、入力された輸送元と入力された輸送先との間のルートを分割した各リンクに対応する現在の道路状況情報と前記過去運転情報とから前記対象乗務員が前記各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し前記各リンクに対応する予測情報を生成する予測情報生成手段と、前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する過去運転情報である対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報として生成する比較情報生成手段と、前記各リンクにおいて、前記比較情報の車体挙動情報と前記過去運転情報のうち前記各リンクに関連付けられた前記模範乗務員の過去運転情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から前記各リンクに対応する前記対象乗務員の運転技術の評価に関する情報である運転評価情報を算出する運転評価情報算出手段と、前記運転評価情報に基づき前記入力された輸送元と前記入力された輸送先との間のルートでの配車の可否を判定する配車可否判定手段と、として機能させる。また、これらの手段を有するタクシー配車システムである。
【発明の効果】
【０００８】
本タクシー配車プログラムおよびタクシー配車システムによれば、予測情報と類似する比較情報と模範情報とを比較することにより、対象乗務員の運転情報がなくとも対象乗務員と模範乗務員との運転技術の比較を容易に行うことができる。これにより、ルートを構成する各リンクについて、さまざまな道路状況において対象乗務員と模範乗務員との運転技術の比較が可能となる。よって、ルートおよび道路状況に合った乗務員を配車することがきる。
【発明を実施するための最良の形態】
【０００９】
以下、図面を参照に、本発明の実施例について説明する。
【実施例１】
【００１０】
図１は、実施例１に係るタクシー配車プログラムが機能するコンピュータのハードウェア構成を示す図である。コンピュータ１００は、ＣＰＵ（中央演算処理装置）１０、主記憶装置として機能するＲＡＭ（Random Access Memory）７０、ハードディスク等の記憶部３０、液晶ディスプレイ等のディスプレイ２００が接続されるグラフィックインターフェース部４０、キーボード３００やマウス４００等が接続される入力インターフェース部５０、各タクシー車両やプローブ情報システムを搭載したプローブカーとの情報の入出力をネットワーク５００を介して行う入出力部６０を有している。ＣＰＵ１０、ＲＡＭ７０、記憶部３０、グラフィックインターフェース部４０、入力インターフェース部５０および入出力部６０は互いにＢＵＳ８０で接続されている。
【００１１】
図２は、実施例１に係る機能ブロック図である。配車プログラムはコンピュータ１００を輸送先選出手段１２、乗務員情報抽出手段１４、予測情報生成手段１６、比較情報生成手段１８、運転評価情報算出手段２０および配車可否判定手段２２として機能させることができる。記憶部３０は過去輸送情報データベース３２、過去運転情報データベース３４を有している。
【００１２】
輸送先選出手段１２には、不図示の入力インターフェース部５０を介してキーボードやマウス等により、または不図示の入出力部６０を介してタクシー車両等から輸送元（以下、入力輸送元ともいう）および現在の時刻である乗車時刻が入力される。なお、乗車時刻とは利用者がタクシーに乗車する時刻であるが、ほぼ現在時刻に対応しており、以下入力乗車時刻ともいう。輸送元とは、利用者がタクシーに乗車する位置である。入力輸送元は、利用者がタクシーの配車依頼をした位置に対応する。輸送先とは、利用者がタクシーを降車する位置である。
【００１３】
輸送先選出手段１２は、過去輸送情報データベース３２から過去輸送情報を取得する。また、記憶部３０から輸送先期待値の閾値を取得する。過去輸送情報とは、過去にタクシーが利用された際の過去の輸送元、過去の輸送先、過去の乗車時刻とを要素としてそれぞれ対応させた情報であり、過去輸送情報データベース３２に記憶されている。
【００１４】
輸送先選出手段１２は、過去輸送情報から輸送先として選ばれる期待値が閾値以上の１または複数の輸送先を選出し乗務員情報抽出手段１４に出力する。この輸送先を以下、入力輸送先ともいう。
【００１５】
乗務員情報抽出手段１４は、入力インターフェース部５０または入出力部６０を介して対象乗務員のＩＤを取得する。対象乗務員とは、乗務員のうち配車予定の乗務員（現在、利用者を搭乗させておらず、入力輸送元に配車可能な乗務員）である。また、模範乗務員とは、模範的な運転を行う乗務員であり、例えばタクシー会社内で運転技術が模範的とされた乗務員である。例えば、タクシー会社内で乗務員の資格として模範乗務員とそれ以外の評価乗務員とを定めている。乗務員情報抽出手段１４は、過去運転情報データベース３４から過去運転情報を取得する。
【００１６】
過去運転情報とは、各乗務員および各リンクに、過去の車体挙動情報および道路状況情報を対応させた情報であり、過去運転情報データベース３４に記憶されている。
【００１７】
ここで、リンクとは、道路上の区分であり、ルートは１または複数のリンクに分割される。ルートとは、輸送元から輸送先への道路の経路を示すものである。輸送先と輸送元が同じであっても複数のルートが存在する。例えば図３において、Ａが輸送元、Ｅが輸送先の場合、Ａ−Ｂ、Ｂ−Ｃ、Ｂ−Ｄ、Ｃ−ＥおよびＤ−Ｅがそれぞれリンクである。ＡからＥのルートはＡ−Ｂ−Ｃ−ＥとＡ−Ｂ−Ｄ−Ｅとの２つのルートがある。ルートＡ−Ｂ−Ｃ−Ｅは、Ａ−Ｂ、Ｂ−ＣおよびＣ−Ｅの３つのリンクに分割される。よって、図３においては対象となるルートは２つあり、対象となるリンクは５つある。
【００１８】
車体挙動情報とは、対応する乗務員が対応するリンクを運転した際の車体の挙動に対応する情報であり、例えば、リンク内の車体の巡航速度、ハンドル舵角、シフト、エンジン回転数およびブレーキの強さ等である。車体挙動情報により、乗務員の運転技術を評価することができるとともに、道路形状だけではわからない道路の類似状況を見つけることもできる。
【００１９】
道路状況情報とは、リンク内の道路の状況に関する情報であり、道路形状に関する道路形状情報、交通量に関する交通量情報、天候に関する気候情報の少なくとも１つを含む情報である。道路形状とは、例えば幅員、縦断勾配、リンク長、形状（直線、右カーブ、左カーブ等）、最小半径および車線数である。交通量とは、例えば渋滞度、速度規制、通過時間および交通密度である。天候情報とは、例えば天気、降水量、気温および路面状況（凍結、乾燥等）である。
【００２０】
乗務員情報抽出手段１４は、入力された輸送元から入力された輸送先までの間のルート（図３の例では２つのルート）の各リンク（図３の例では５つのリンク）に関連付けられた模範乗務員および対象乗務員の過去運転情報であるそれぞれ模範情報および対象情報を抽出し出力する。
【００２１】
予測情報生成手段１６は、入出力部６０を介し現在各リンクを走行している車両やプローブカーから現在運転情報を取得する。現在運転情報とは、現在走行している乗務員および各リンクに対応する道路状況情報であり、例えば、巡航速度や渋滞度である。また、予測情報生成手段１６は、過去運転情報データベース３４から各リンクに対応する過去運転情報を取得する。
【００２２】
予測情報生成手段１６は、各リンクについて、現在運転情報と過去運転情報とから対象乗務員が各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し、各リンクに対応する予測情報として出力する。
【００２３】
このように、予測情報とは、対象乗務員が対象となるリンクに到着する時刻の交通量情報や気候情報等の道路状況情報を予測した情報である。また、対象乗務員が対象となるリンクに到着する時刻の予測される交通量情報および気候情報から、過去運転情報を用い予測した車体挙動情報を含んでもよい。
【００２４】
比較情報生成手段１８は、過去運転情報データベース３４から過去運転情報を取得する。比較情報生成手段１８は、各リンクについて、各リンクの予測情報と過去運転情報とを比較し、比較結果に基づき予想情報に類似する対象情報を各リンクの比較情報として出力する。
【００２５】
運転評価情報算出手段２０は、各リンクにおいて、比較情報の車体挙動情報と模範情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から各リンクに対応した対象乗務員の運転評価情報を算出する。ここで、運転評価情報とは、対象乗務員の運転技術の評価に関する情報である。
【００２６】
配車可否判定手段２２は、記憶部３０から運転評価情報の閾値を取得する。閾値は各リンク毎であってもよいし、ルートごとであってもよい。また、閾値は全て同じ値であってもよいし、異なっていてもよい。配車可否判定手段２２は、運転評価情報に基づき入力された輸送元と入力された輸送先との間のルートでの配車の可否を判定する。全対象乗務員および全ルートから配車する乗務員およびルートを出力する。例えば、ある対象乗務員に関しあるルート内のリンク全てにおいて、運転評価情報が閾値以上の場合、その乗務員はそのルートで配車可能と判定する。複数の対象乗務員または複数のルートにおいて配車可能な場合は、最も運転評価情報がよい対象乗務員またはルートを選択し配車する。全ての対象乗務員および複数のルートにおいて配車不可の場合は配車不可能となる。
【００２７】
図４は、実施例１の処理を説明するためのフローチャートである。
【００２８】
輸送先選出手段１２は、過去輸送情報データベース３２から過去輸送情報を取得し、記憶部３０から輸送先期待値の閾値を取得する。
【００２９】
そして、輸送先選出手段１２は、過去輸送情報から輸送先として選ばれる期待値が閾値以上の１または複数の輸送先を入力輸送先として選出し、乗務員情報抽出手段１４に出力する（ステップＳ１２）。
【００３０】
乗務員情報抽出手段１４は、入力インターフェース部５０または入出力部６０を介して対象乗務員のＩＤを取得し、過去運転情報データベース３４から過去運転情報を取得する。
【００３１】
そして、乗務員情報抽出手段１４は、入力された輸送元から入力された輸送先までの間のルートの各リンクに対応する乗務員情報（模範乗務員の模範情報および対象乗務員の過去運転情報）を抽出し出力する（ステップＳ１４）。
【００３２】
予測情報生成手段１６は、入出力部６０を介し現在各リンクを走行している車両やプローブカーから現在運転情報を取得し、各リンクについて、現在運転情報および過去運転情報から対象乗務員が各リンクに到達した時の運転情報（車体挙動情報および道路状況情報の少なくとも一方）を予測する（ステップＳ１６）。
【００３３】
比較情報生成手段１８は、各リンクにおいて、予測情報に一致する過去運転情報があるかを判断し（ステップＳ１７）、一致する場合（ステップ１７のＹＥＳ）は、一致した予測情報を比較情報とし（ステップＳ１９）、一致しない場合（ステップ１７のＮＯ）は、過去運転情報データベース３４から過去運転情報を取得し、各リンクについて、各リンクの予測情報と過去運転情報とを比較し、比較結果に基づき予想情報に類似する対象情報を各リンクの比較情報とする（ステップＳ１８）。
【００３４】
運転評価情報算出手段２０は、各リンクにおいて、比較情報の車体挙動情報と模範情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から各リンクに対応した対象乗務員の運転評価情報を算出する（ステップＳ２０）。
【００３５】
つづいて、最後のリンクか否かを判断し（ステップＳ２１）、最後のリンクでなければ（ステップＳ２１のＮＯ）、ステップＳ１７に戻り、最後のリンクであれば（ステップＳ２１のＹＥＳ）ステップＳ２２に進む。
【００３６】
配車可否判定手段２２は、運転評価情報に基づき入力された輸送元と入力された輸送先との間のルートでの配車の可否を判定する。全対象乗務員および全ルートから配車する乗務員およびルートを出力する（ステップＳ２２）。
【００３７】
実施例１によれば、乗務員情報抽出手段１４がルートを構成する各リンクに一致する模範情報を抽出する。予測情報生成手段１６が各リンクの運転情報を予測し、比較情報生成手段１８が、リンク毎に予測情報と類似する対象情報を比較情報とする。運転評価情報算出手段２０が比較情報と模範情報とを比較し運転評価情報を算出する。このように、予測情報と類似する比較情報と模範情報とを比較することにより、対象乗務員の運転情報がなくとも対象乗務員と模範乗務員との運転技術の比較を容易に行うことができる。これにより、ルートを構成する各リンクについて、多くの道路状況の情報を用い多くの道路情報パターンが存在する場合も、さまざまな道路状況において対象乗務員と模範乗務員との運転技術の比較が可能となる。よって、ルートおよび道路状況に合った乗務員を配車することがきる。
【００３８】
以下に、各手段の処理について詳細に説明する。
【００３９】
図５は、輸送先選出手段１２の処理を説明するフローチャートであり、図４のステップＳ１２に相当するフローチャートである。図６（ａ）および図６（ｂ）はそれぞれ入力輸送元および入力乗車時刻のデータの例である。図６（ａ）において、「輸送元０」は例えば、ある県の市のある住所を示す。図６（ｂ）では乗車時刻について年、月、日、及び時刻がデータとして記憶される。図７は、過去輸送情報データベース３２に記憶される過去輸送情報の例を示すものである。
【００４０】
輸送先選出手段１２は、過去輸送情報（図７）の中から入力された輸送元（図６（ａ））および入力された乗車時間（図６（ｂ））と輸送元および乗車時間とが一致する情報を輸送元と乗車時間とが一致する輸送情報として取得する（ステップＳ３０）。例えば、図７の過去輸送情報中、輸送先が「輸送元０」であり乗車時刻が「１２：５０」の情報を取得し、図８に示すように輸送元と乗車時間が一致する輸送情報を取得する。なお、乗車時間が一致するとは、完全に一致しなくとも所定の範囲内で一致すればよい。例えば１０分単位や１時間単位で一致していればよい。
【００４１】
輸送先選出手段１２は、輸送元と乗車時間とが一致する輸送情報内の全ての輸送先について期待値を算出したかを判定する（ステップＳ３２）。Ｙｅｓの場合終了する。Ｎｏの場合、輸送先毎の期待値を算出する（ステップＳ３４）。例えば、図８において、６個の情報のうち、輸送先１は２回、輸送先２は１回、輸送先３は３回登場する。よって、図９（ａ）に示すように、それぞれの期待値は０．３３、０．１７および０．５０となる。
【００４２】
輸送先選出手段１２は、記憶部３０より輸送先の期待値の閾値を取得する。例えば、図９（ｂ）に示すように、閾値として０．３０が取得される。つづいて、輸送先毎に期待値が閾値以上かを判定する（ステップＳ３６）。Ｙｅｓの場合、閾値以上の輸送先とする（ステップＳ３８）。例えば、図９（ａ）において、輸送先１および３が閾値以上であるので、これらが閾値以上の輸送先とされる。輸送先選出手段１２は、閾値以上の輸送先（図９（ｃ））を出力する。
【００４３】
以上のように、輸送先選出手段１２は、入力された輸送元と入力された乗車時刻とに基づき、過去の輸送先が選択される期待値を算出し、過去の輸送先のうち選択される期待値が所定値以上の輸送先を輸送先として出力する。これにより、利用者が輸送先を告げない場合においても、利用者に選択される可能性の高い輸送先を入力輸送先として出力することができる。
【００４４】
図１０は、乗務員情報抽出手段１４の処理を説明するフローチャートであり、図４のステップＳ１４に相当するフローチャートである。乗務員情報抽出手段１４に、入力輸送元および入力輸送先が入力される。乗務員情報抽出手段１４は、過去運転情報データベース３４の過去運転情報から、輸送元および輸送先が入力輸送元および入力輸送先（輸送先選出手段１２から入力された輸送先）に一致する運転情報を取得する（ステップＳ４０）。一例として、図１１（ａ）および図１１（ｂ）に過去運転情報データベース３４に蓄積された過去運転情報の例を示す。図１１（ａ）は車体挙動情報の例であり、図１１（ｂ）は道路状況情報の例である。このなかから、輸送元および輸送先がそれぞれ、「輸送元０」および「輸送先１」の過去運転情報を抽出する。図１２（ａ）および図１２（ｂ）に抽出された過去運転情報の例を示す。図１２（ａ）は車体挙動情報から抽出した過去運転情報の例であり、図１２（ｂ）は道路状況情報から抽出した過去運転情報の例である。
【００４５】
乗務員情報抽出手段１４は、入力インターフェース部５０または入出力部６０を介して配車の候補である対象乗務員の乗務員ＩＤを取得し、抽出された過去運転情報のうち乗務員ＩＤの一致する情報を対象情報とする（ステップＳ４２）。例えば、図１２（ａ）および図１２（ｂ）のうち、対象乗務員の乗務員ＩＤが「Ａ０１」の乗務員のデータを図１３（ａ）および図１３（ｂ）に示すように対象情報とする。
【００４６】
乗務員情報抽出手段１４は、抽出された過去運転情報のうち乗務員資格が「模範乗務員」の情報を模範情報とする（ステップＳ４４）。例えば、図１２（ａ）および図１２（ｂ）のうち、乗務員資格が「模範乗務員」の乗務員の情報を図１４（ａ）および図１４（ｂ）に示すように模範情報とする。
【００４７】
図１５は、予測情報生成手段１６の処理を説明するフローチャートであり、図４のステップＳ１６に相当するフローチャートである。予測情報生成手段１６に、乗務員情報抽出手段１４から対象情報と模範情報とが入力される。予測情報生成手段１６は、模範情報に出現するリンクの一覧を抽出する（ステップＳ５０）。例えば、図１４（ａ）および図１４（ｂ）に示す模範情報に出現するリンクとして、図１６に示すように、「Ｈ−Ｍ」、「Ｈ−Ｌ」、「Ｅ−Ｋ」…を抽出する。模範情報は、図１０のステップＳ４０およびＳ４４のように、入力輸送元から入力輸送先までのルートのデータであるから、抽出されたリンク一覧は、模範乗務員が入力輸送元から入力輸送先まで運転した際に運転経験のあるリンク全てが抽出される。
【００４８】
予測情報生成手段１６は、過去運転情報データベース３４の中からリンク一覧に出現するリンクについての過去運転情報を抽出する（ステップＳ５２）。例えば、図１７（ａ）および図１７（ｂ）に示した過去運転情報の中から、リンク一覧の全てのリンクの情報を抽出する。図１８（ａ）および図１８（ｂ）はリンク「Ｅ−Ｋ」および「Ｆ−Ｋ」について抽出された過去運転情報の例である。
【００４９】
予測情報生成手段１６は、現在運転している乗務員の運転情報からリンク一覧に出現するリンクを現在走行しているタクシーの現在運転情報を取得する（ステップＳ５４）。例えば、図１９（ａ）および図１９（ｂ）は、現在走行中のタクシーの運転情報であり、この中からリンク一覧に出現するリンクの運転情報を抽出する。図２０（ａ）および図２０（ｂ）はリンク「Ｆ−Ｋ」について抽出された現在運転情報の例である。リンク一覧全てのリンクについて現在運転情報を抽出する。
【００５０】
予測情報生成手段１６は、現在運転情報内の巡航速度、渋滞度およびリンク長等から入力輸送元から各リンクまでの所要時間を予測し、各リンクへの到達予測時間を算出する（ステップＳ５６）。図２１は算出された到着予測時間の例である。到着予測時間は、交通量情報から算出することができる。例えば、算出すべきリンクに到達するまでの各リンクにおいて、リンク長／巡航速度からリンクを通過するのに要する時間（リンク旅行時間）を計算し、算出すべきリンクまでの各リンクのリンク旅行時間を加算することにより到着予測時間を算出することができる。また、渋滞度を加味し到着予測時間を算出することもできる。
【００５１】
各リンクへの到着予想時間の運転情報を、ステップＳ５２で抽出した各リンクの過去運転情報に基づき予測し予測情報とする（ステップＳ５８）。図２２（ａ）および図２２（ｂ）はリンク「Ｆ−Ｋ」における予測情報の例を示している。予測情報を生成する方法としては、算出するリンクの到着予測時間の運転情報を未知事例、このリンクの過去運転情報を既知事例として時系列ＭＢＲ（メモリベース推論）などの周知の予測手段を用いることができる。
【００５２】
全てのリンクについて予測情報が予測されていれば終了する（ステップＳ６０）。予測情報としては、車体挙動情報および道路状況情報の少なくとも一つを含めばよい。
【００５３】
図２３は、比較情報生成手段１８内のうち、図４のステップＳ１８を行う類似リンク抽出手段１９の処理を説明するフローチャートである。類似リンク抽出手段１９は、過去運転情報データベース３４から乗務員ＩＤが対象乗務員の過去運転情報を取得する（ステップＳ６２）。例えば、図２４（ａ）および図２４（ｂ）に示す過去運転情報データベース３４内の過去運転情報から、図２５（ａ）および図２５（ｂ）に示すように、対象乗務員である乗務員ＩＤが「Ａ０１」の過去運転情報（つまり対象情報）を取得する。図１５のステップＳ５２で抽出される対象情報は、リンク一覧のリンクに相当する対象乗務員の過去運転情報であるが、ステップＳ６２で抽出される対象情報は、全てのリンクに相当する対象乗務員の過去運転情報である。
【００５４】
類似リンク抽出手段１９は、対象情報と図１５のステップＳ５８で予測した予測情報との類似度を算出する（ステップＳ６４）。例えば、図２５（ａ）および図２５（ｂ）に示す対象情報と図２２（ａ）および図２２（ｂ）のリンク「Ｆ−Ｋ」についての予測情報との類似度を算出する。図２６は、図２５（ａ）および図２５（ｂ）に示した対象情報の類似度の例である。
【００５５】
類似度の算出は周知の方法で行うことができるが、ユークリッド距離の二乗和の逆数とする例について説明する。以下では、車体挙動情報として、巡航速度、ハンドル舵角およびシフト、道路状況情報として、渋滞度、幅員、リンク、縦断勾配、形状、最小半径、車線数、天気、降水量および気温を用い類似度を算出する。まず、乗車時刻から時間情報だけを抜き出しＵｎｉｘタイム（Ｕｎｉｘは登録商標）に変換する。数値化されていない情報を数値化する。例えば渋滞度については、「渋滞なし」および「混雑」をそれぞれ「０」および「１」に変換する。形状については、「直線」、「右カーブ」をそれぞれ「０」および「１」に変換する。天気について、「晴れ」、「曇り」をそれぞれ「０」および「１」に変換する。同様に、予測情報も数値化する。変換後の対象情報の例を図２７（ａ）および図２７（ｂ）に、変換後の予測情報の例を図２８（ａ）および図２８（ｂ）に示す。
【００５６】
次に、類似度を算出する際に用いる対象情報と予測情報との全体について正規化する。正規化は各情報の類似度への寄与を合わせるための処理である。例えば、ある情報の値をＸ、ある情報の値の平均値をＭＸ、ある情報の２乗の平均をＭＸ２、正規化後のＸの値をＹとしたとき
Ｙ＝（Ｘ−ＭＸ）／｛（ＭＸ２−ＭＸ２）０．５｝
とすることができる。図２９に正規化後の対象情報、図３０に正規化後の予測情報の例を示す。
【００５７】
類似度として、ユークリッド距離の２乗和の逆数を算出する。例えば、図２９の項番１の類似度は、１／｛（０．１１−（−１．６３））２＋（−１．０７−１．００）２＋（−０．３５−（−０．３５））２＋（−１．０２−０．１３）２＋（１．１２−（−０．８９））２＋（０．８９−（−１．１２））２＋（−０．８９−１．１２）２＋（−０．８９−１．１２）２＋（０．８９−（−１．１２））２＋（０．８９−（−１．１２））２＋（０−２．１２）２｝０．５＝０．１６となる。図２９の各項番について類似度を算出した例が図２６である。
【００５８】
類似リンク抽出手段１９は、最後の対象情報かを判定する（ステップＳ６６）。このようにして、全ての対象情報に対し、類似度を算出する。
【００５９】
類似リンク抽出手段１９は、類似度の最も高い対象情報を比較情報として出力する（ステップＳ６８）。例えば、図２６において、項番４の対象情報の類似度が最も大きい。よって、図３１（ａ）および図３１（ｂ）に示すように、項番４の対象情報を比較情報として出力する。
【００６０】
以上により、対象となるリンクについて、予測情報に最も近い対象情報が比較情報として出力される。
【００６１】
比較情報生成手段１８は、ステップＳ６４のように予測情報と対象情報との中の各対応するデータ（例えば「巡航速度」…「気温」等）を各々比較し、各データの各々の比較結果（つまり「巡航速度」同士の比較結果、「ハンドル舵角」同士の比較結果…「気温」同士の比較結果）に基づき予測情報に類似する対象情報を選択し各リンクに対応する比較情報とすることが好ましい。これにより、多くの項目について考慮された類似度が得られる。
【００６２】
ステップＳ６２で取得される対象情報は、対象となるリンクのみの対象乗務員の過去運転情報でもよいが、図２５のように、全リンクについての対象乗務員の過去運転情報とすることが好ましい。これにより、対象でないリンクの過去運転情報からも予測情報に類似する比較情報を抽出することができ、より類似度の高い比較情報を得ることができる。また、予測情報の中に車体挙動情報が含まれることが好ましい。これにより、道路形状だけでなく、車体挙動情報により、より類似度の高い比較情報を得ることができる。
【００６３】
図３２は、運転評価情報算出手段２０の処理を説明するためのフローチャートであり、図４のステップＳ２０に相当するフローチャートである。運転評価情報算出手段２０は、各リンクにおいて、比較情報生成手段１８が出力した比較情報と乗務員情報抽出手段１４が出力した模範情報との車体挙動情報を比較し、それぞれの車体挙動情報の類似性を示す運転技術評価値を算出する（ステップＳ７０）。
【００６４】
比較情報の車体挙動情報と模範情報の車体挙動情報との類似性から運転技術評価値を算出する方法は周知の方法とすることができるが、類似度の算出と同様にユークリッド距離の二乗和の逆数とする例について説明する。例えば、図３３（ａ）の項番１の情報は、リンク「Ｆ−Ｋ」における図３１（ａ）および図３１（ｂ）に示した比較情報の車体挙動情報である。また、項番２の情報は、リンク「Ｆ−Ｋ」における模範情報の車体挙動情報である。図２９と同様に、正規化を行う。正規化を行った例を図３３（ｂ）に示す。正規化後のデータから運転技術評価値を算出する。例えば、図３３（ｂ）の場合、１／｛（−１−１）２＋（０−０）２＋（０−０）２｝０．５＝０．５となる。
【００６５】
運転評価情報算出手段２０は、リンク毎にリンク、運転技術評価値、輸送元および輸送先からなる運転技術評価表を作成する（ステップＳ７２）。例えば、図３４がリンク「Ｆ−Ｋ」の運転技術評価表である。
【００６６】
運転評価情報算出手段２０は、最後のリンクか判定する（ステップＳ７４）。これにより、各リンクについて対象乗務員の運転技術評価表が作成される。例えば図３５に各リンクの運転技術評価表の例を示す。運転技術評価表は運転評価情報に相当する。
【００６７】
運転評価情報算出手段２０は、ステップＳ７０のように比較情報と模範情報との車体挙動情報の中の各対応するデータ（例えば「巡航速度」、「ハンドル舵角等）を各々比較し、各データの各々の比較結果（つまり「巡航速度」同士の比較結果、「ハンドル舵角」同士の比較結果等）に基づき運転技術評価値を算出することが好ましい。これにより、多くの項目について考慮された運転技術評価値が得られる。
【００６８】
図３６は、配車可否判定手段２２の処理を説明するためのフローチャートであり、図４のステップＳ２２に相当するフローチャートである。配車可否判定手段２２は、各リンクに対応する運転技術評価値の閾値を記憶部３０から取得する。例えば、図３７は、記憶部３０に記憶されている各リンクの運転技術評価値の閾値である。この中から、図３５に出現するリンクに対応する運転技術評価値の閾値を抽出する（ステップＳ８０）。図３８に抽出された閾値の例を示す。
【００６９】
配車可否判定手段２２は、各リンクについて運転技術評価値と閾値を比較する（ステップＳ８２）。運転技術評価値が閾値以上の場合、リンク合格とする（ステップＳ８４）。運転技術評価値が閾値未満の場合、リンク不合格とする（ステップＳ８６）。全てのリンクの閾値との比較が終了したか判断する（ステップＳ８８）。各リンクの比較が終了していればステップＳ９０に進む。このとき、例えば、１つでも不合格のリンクのあるルートについては、配車不可とすることができる。
【００７０】
配車可否判定手段２２は、記憶部３０内のルート一覧データに基づきルート毎の運転技術評価値を算出する（ステップＳ９０）。例えば、図３９は、輸送元０から輸送先１までのルート一覧データの例である。図３９には、３つのルートがある。項番１から４はルート１、項番５から９はルート２、項番１０から１４はルート３の各リンクを示している。図４０は、各ルートの運転技術評価値を算出した例である。例えば、ルート内の各リンクの運転技術評価値を単純平均することでルート毎の運転技術評価値を算出することができる。図４０では、ルート１、ルート２およびルート３のそれぞれの運転技術評価値は０．６２５、０．５６および０．５２である。
【００７１】
配車可否判定手段２２は、記憶部３０からルート毎の運転技術評価値の閾値を取得する（ステップＳ９２）。例えば、図４１（ａ）は、記憶部３０内のルート毎の運転技術評価値の閾値のデータである。
【００７２】
配車可否判定手段２２は、各ルートの運転技術評価値と閾値とを比較する（ステップＳ９４）。運転技術評価値が閾値以上の場合、ルート合格とする（ステップＳ９６）。運転技術評価値が閾値未満の場合、ルート不合格とする（ステップＳ９８）。全てのルートの閾値との比較が終了したか判断する（ステップＳ１００）。
【００７３】
配車可否判定手段２２は、配車可否および配車ルートを決定する（ステップＳ１０２）。例えば図４０および図４１（ａ）より、閾値以上のルートはルート１のみである。そこで、図４１（ｂ）のように、ルート１を配車ルートとして出力する。なお、全てのルートが閾値以下の場合、配車不可と判定することができる。
【００７４】
ルートの合格不合格の判断は、ルート内の各リンクに対応する運転技術評価値が所定の範囲かの比較結果とルートに対応する運転技術評価値が所定の範囲かの比較結果とにより判断することもできる。また、ルート内の各リンクに対応する運転技術評価値の比較結果のみを用いることもできる。さらに、ルートに対応する運転技術評価値の比較結果のみを用いることもできる。
【００７５】
以上、本発明の実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
【図面の簡単な説明】
【００７６】
【図１】実施例１に係るタクシー配車プログラムが機能するコンピュータのハードウェア構成を示す図である。
【図２】図２は実施例１に係るシステムの機能ブロック図である。
【図３】図３はルートとリンクを示す図である。
【図４】図４は実施例１に係るシステムの処理を示すフローチャートである。
【図５】図５は輸送先選出手段の処理を示すフローチャートである。
【図６】図６は入力輸送先および入力乗車時間のデータの例を示す図である。
【図７】図７は過去輸送情報データベース中の過去輸送情報の例を示す図である。
【図８】図８は輸送元と乗車時間が一致する過去輸送情報の例を示す図である。
【図９】図９（ａ）から図９（ｃ）はそれぞれ輸送先の期待値、期待値の閾値および閾値以上の輸送先のデータの例を示す図である。
【図１０】図１０は乗務員情報抽出手段の処理を示すフローチャートである。
【図１１ａ】図１１（ａ）は過去運転情報データベース内の過去運転情報（車体挙動情報）の例を示す図である。
【図１１ｂ】図１１（ｂ）は過去運転情報データベース内の過去運転情報（道路状況情報）の例を示す図である。
【図１２】図１２（ａ）および図１２（ｂ）は同一輸送元かつ同一輸送元の抽出された過去運転情報の例を示す図である。
【図１３】図１３（ａ）および図１３（ｂ）は抽出された対象情報の例を示す図である。
【図１４】図１４（ａ）および図１４（ｂ）は抽出された模範情報の例を示す図である。
【図１５】図１５は予測情報生成手段の処理を示すフローチャートである。
【図１６】図１６は抽出されたリンク一覧の例を示す図である。
【図１７ａ】図１７（ａ）は過去運転情報データベース内の過去運転情報（車体挙動情報）の例を示す図である。
【図１７ｂ】図１７（ｂ）は過去運転情報データベース内の過去運転情報（道路状況情報）の例を示す図である。
【図１８】図１８（ａ）および図１８（ｂ）はリンク一覧に相当する過去運転情報の例を示す図である。
【図１９】図１９（ａ）および図１９（ｂ）は現在走行中のタクシーの運転情報の例を示す図である。
【図２０】図２０（ａ）および図２０（ｂ）は、現在運転情報の例を示す図である。
【図２１】図２１は到着予測時間の例を示す図である。
【図２２】図２２（ａ）および図２２（ｂ）は予測情報の例を示す図である。
【図２３】図２３は類似リンク抽出手段の処理を示すフローチャートである。
【図２４ａ】図２４（ａ）は、過去運転情報データベース内の過去運転情報（車体挙動情報）の例を示す図である。
【図２４ｂ】図２４（ｂ）は、過去運転情報データベース内の過去運転情報（道路状況情報）の例を示す図である。
【図２５】図２５（ａ）および図２５（ｂ）は、抽出された対象情報の例を示す図である。
【図２６】図２６は類似度の例を示す図である。
【図２７】図２７（ａ）および図２７（ｂ）は、数値化後の対象情報の例を示す図である。
【図２８】図２８（ａ）および図２８（ｂ）は、数値化後の予測情報の例を示す図である。
【図２９】図２９は、規格化後の対象情報の例を示す図である。
【図３０】図３０は、規格化後の対象情報の例を示す図である。
【図３１】図３１（ａ）および図３１（ｂ）は、比較情報の例を示す図である。
【図３２】図３２は運転技術評価手段の処理を示すフローチャートである。
【図３３】図３３（ａ）は比較情報と模範情報の車体挙動情報の例を示す図であり、図３３（ｂ）は正規化後の例である。
【図３４】図３４は運転技術評価値の例である。
【図３５】図３５は全リンクの運転技術評価値の例である。
【図３６】図３６は配車可否判定手段の処理を示すフローチャートである。
【図３７】図３７は記憶部内の各リンクに対応する閾値の例を示す図である。
【図３８】図３８は抽出された閾値の例を示す図である。
【図３９】図３９はルート一覧の例を示す図である。
【図４０】図４０はルートごとの運転技術評価値を算出した例を示す図である。
【図４１】図４１は各ルートの閾値の例を示す図であり、図４１（ｂ）は配車可能ルートの例を示す図である。
【符号の説明】
【００７７】
１０ ＣＰＵ
１２ 輸送先選出手段
１４ 乗務員情報抽出手段
１６ 予測情報生成手段
１８ 比較情報生成手段
１９ 類似リンク抽出手段
２０ 運転評価情報算出手段
２２ 配車可否判定手段
３０ 記憶部
３２ 過去輸送情報データベース
３４ 過去運転情報データベース
【特許請求の範囲】
【請求項１】
模範的な運転を行う乗務員である模範乗務員と配車予定の乗務員である対象乗務員とを含む乗務員と、輸送元と輸送先との間のルートを分割したリンクとに、各乗務員がタクシーの車体を運転した際の前記車体の挙動に関する車体挙動情報とリンク内の道路の状況に関する道路状況情報とを、対応させた情報である過去運転情報を用い配車するタクシーを決定するためにコンピュータを、
入力された輸送元と入力された輸送先との間のルートを分割した各リンクに対応する現在の道路状況情報と前記過去運転情報とから前記対象乗務員が前記各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し前記各リンクに対応する予測情報を生成する予測情報生成手段と、
前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する過去運転情報である対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報として生成する比較情報生成手段と、
前記各リンクにおいて、前記比較情報の車体挙動情報と前記過去運転情報のうち前記各リンクに関連付けられた前記模範乗務員の過去運転情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から前記各リンクに対応する前記対象乗務員の運転技術の評価に関する情報である運転評価情報を算出する運転評価情報算出手段と、
前記運転評価情報に基づき前記入力された輸送元と前記入力された輸送先との間のルートでの配車の可否を判定する配車可否判定手段と、
として機能させるためのタクシー配車プログラム。
【請求項２】
前記タクシー配車プログラムは、前記コンピュータを、
前記入力された輸送元と前記利用者が前記タクシーに乗車する時間である乗車時刻とから前記利用者が降車する位置である輸送先を選出し前記入力された輸送先とする輸送先選出手段として機能させることを特徴とする請求項１記載のタクシー配車プログラム。
【請求項３】
前記輸送先選出手段は、過去の輸送元と過去の乗車時刻と過去の輸送先とを対応つけた情報である過去輸送情報から、前記入力された輸送元と前記入力された乗車時刻とに基づき、前記過去の輸送先が選択される期待値を算出し、前記過去の輸送先のうち前記選択される期待値が所定値以上の輸送先を前記輸送先選出手段に出力することを特徴とする請求項２記載のタクシー配車プログラム。
【請求項４】
前記比較情報生成手段は、各リンクに対応する前記予測情報と前記対象情報とが一致するかを判断し、一致する場合は、前記一致した対象情報を前記比較情報とし、一致しない場合は、前記予測情報と前記対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する前記比較情報とすることを特徴とする請求項１から３のいずれか一項記載のタクシー配車プログラム。
【請求項５】
前記比較情報生成手段は、前記予測情報と前記対象情報との中の対応するデータを各々比較し、各データの各々の比較結果に基づき前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報とし、
運転評価情報算出手段は、前記比較情報の車体挙動情報と前記模範情報の車体挙動情報との中の対応するデータを各々比較し、各データの各々の比較結果に基づき前記運転評価情報を算出することを特徴とする請求項１から４のいずれか一項記載のタクシー配車プログラム。
【請求項６】
前記比較情報生成手段は、前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する全リンクの過去運転情報である対象情報とを比較することを特徴とする請求項１から５のいずれか一項記載のタクシー配車プログラム。
【請求項７】
模範的な運転を行う乗務員である模範乗務員と配車予定の乗務員である対象乗務員とを含む乗務員と、輸送元と輸送先との間のルートを分割したリンクと、に対応し、各乗務員がタクシーの車体を運転した際の前記車体の挙動に関する車体挙動情報とリンク内の道路の状況に関する道路状況情報とを対応させた情報である過去運転情報を用い配車するタクシーを決定するタクシー配車システムであって、
入力された輸送元と入力された輸送先との間のルートを分割した各リンクに対応する現在の道路状況情報と前記過去運転情報とから前記対象乗務員が前記各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し前記各リンクに対応する予測情報を生成する予測情報生成手段と、
前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する過去運転情報である対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報として生成する比較情報生成手段と、
前記各リンクにおいて、前記比較情報の車体挙動情報と前記過去運転情報のうち前記各リンクに関連付けられた前記模範乗務員の過去運転情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から前記各リンクに対応する前記対象乗務員の運転技術の評価に関する情報である運転評価情報を算出する運転評価情報算出手段と、
前記運転評価情報に基づき前記入力された輸送元と前記入力された輸送先との間のルートでの配車の可否を判定する配車可否判定手段と、
を具備することを特徴とするタクシー配車システム。
【請求項１】
模範的な運転を行う乗務員である模範乗務員と配車予定の乗務員である対象乗務員とを含む乗務員と、輸送元と輸送先との間のルートを分割したリンクとに、各乗務員がタクシーの車体を運転した際の前記車体の挙動に関する車体挙動情報とリンク内の道路の状況に関する道路状況情報とを、対応させた情報である過去運転情報を用い配車するタクシーを決定するためにコンピュータを、
入力された輸送元と入力された輸送先との間のルートを分割した各リンクに対応する現在の道路状況情報と前記過去運転情報とから前記対象乗務員が前記各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し前記各リンクに対応する予測情報を生成する予測情報生成手段と、
前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する過去運転情報である対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報として生成する比較情報生成手段と、
前記各リンクにおいて、前記比較情報の車体挙動情報と前記過去運転情報のうち前記各リンクに関連付けられた前記模範乗務員の過去運転情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から前記各リンクに対応する前記対象乗務員の運転技術の評価に関する情報である運転評価情報を算出する運転評価情報算出手段と、
前記運転評価情報に基づき前記入力された輸送元と前記入力された輸送先との間のルートでの配車の可否を判定する配車可否判定手段と、
として機能させるためのタクシー配車プログラム。
【請求項２】
前記タクシー配車プログラムは、前記コンピュータを、
前記入力された輸送元と前記利用者が前記タクシーに乗車する時間である乗車時刻とから前記利用者が降車する位置である輸送先を選出し前記入力された輸送先とする輸送先選出手段として機能させることを特徴とする請求項１記載のタクシー配車プログラム。
【請求項３】
前記輸送先選出手段は、過去の輸送元と過去の乗車時刻と過去の輸送先とを対応つけた情報である過去輸送情報から、前記入力された輸送元と前記入力された乗車時刻とに基づき、前記過去の輸送先が選択される期待値を算出し、前記過去の輸送先のうち前記選択される期待値が所定値以上の輸送先を前記輸送先選出手段に出力することを特徴とする請求項２記載のタクシー配車プログラム。
【請求項４】
前記比較情報生成手段は、各リンクに対応する前記予測情報と前記対象情報とが一致するかを判断し、一致する場合は、前記一致した対象情報を前記比較情報とし、一致しない場合は、前記予測情報と前記対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する前記比較情報とすることを特徴とする請求項１から３のいずれか一項記載のタクシー配車プログラム。
【請求項５】
前記比較情報生成手段は、前記予測情報と前記対象情報との中の対応するデータを各々比較し、各データの各々の比較結果に基づき前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報とし、
運転評価情報算出手段は、前記比較情報の車体挙動情報と前記模範情報の車体挙動情報との中の対応するデータを各々比較し、各データの各々の比較結果に基づき前記運転評価情報を算出することを特徴とする請求項１から４のいずれか一項記載のタクシー配車プログラム。
【請求項６】
前記比較情報生成手段は、前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する全リンクの過去運転情報である対象情報とを比較することを特徴とする請求項１から５のいずれか一項記載のタクシー配車プログラム。
【請求項７】
模範的な運転を行う乗務員である模範乗務員と配車予定の乗務員である対象乗務員とを含む乗務員と、輸送元と輸送先との間のルートを分割したリンクと、に対応し、各乗務員がタクシーの車体を運転した際の前記車体の挙動に関する車体挙動情報とリンク内の道路の状況に関する道路状況情報とを対応させた情報である過去運転情報を用い配車するタクシーを決定するタクシー配車システムであって、
入力された輸送元と入力された輸送先との間のルートを分割した各リンクに対応する現在の道路状況情報と前記過去運転情報とから前記対象乗務員が前記各リンクに到達した際の車体挙動情報および道路状況情報の少なくとも一方を予測し前記各リンクに対応する予測情報を生成する予測情報生成手段と、
前記各リンクにおいて、前記予測情報と前記対象乗務員に対応する過去運転情報である対象情報とを比較し、前記予測情報に類似する前記対象情報を前記各リンクに対応する比較情報として生成する比較情報生成手段と、
前記各リンクにおいて、前記比較情報の車体挙動情報と前記過去運転情報のうち前記各リンクに関連付けられた前記模範乗務員の過去運転情報の車体挙動情報とを比較し、それぞれの車体挙動情報間の類似性から前記各リンクに対応する前記対象乗務員の運転技術の評価に関する情報である運転評価情報を算出する運転評価情報算出手段と、
前記運転評価情報に基づき前記入力された輸送元と前記入力された輸送先との間のルートでの配車の可否を判定する配車可否判定手段と、
を具備することを特徴とするタクシー配車システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１ａ】
【図１１ｂ】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７ａ】
【図１７ｂ】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４ａ】
【図２４ｂ】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１ａ】
【図１１ｂ】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７ａ】
【図１７ｂ】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４ａ】
【図２４ｂ】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【公開番号】特開２００９−２３７８３７（Ｐ２００９−２３７８３７Ａ）
【公開日】平成２１年１０月１５日（２００９．１０．１５）
【国際特許分類】
【出願番号】特願２００８−８２２６３（Ｐ２００８−８２２６３）
【出願日】平成２０年３月２７日（２００８．３．２７）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
【公開日】平成２１年１０月１５日（２００９．１０．１５）
【国際特許分類】
【出願日】平成２０年３月２７日（２００８．３．２７）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]